ارائة يك الگوريتم تركيبي براي حل مسئلۀ مكان‌يابي- مسيريابي- موجودي دوهدفه در زنجيرۀ تأمين با فرض وجود تقاضاي تصادفي

A Hybrid Algorithm to Solve a Bi-objective Location Routing Inventory Problem in a Supply Chain under Stochastic Demand

امروزه رقابت شديد در بازار جهاني، شركت‌ها را وادار به طراحي و مديريت بهتر زنجيره‌هاي تأمين و ايجاد مزيت‌هاي رقابتي كرده است. يكپارچگي تصميم ­ها، از عوامل بسيار مهمي است كه به ميزان زيادي موجب كاهش هزينه‌هاي زنجيره مي­شود و به افزايش رضايت مشتري مي‌انجامد. طراحي شبكة توزيع، براساس سه مسئلة عمده انجام گرفته است: تخصيص مكان، مسيريابي وسيلة نقليه و كنترل موجودي. از آنجاكه نقش مؤثر كاهش هزينه‌هاي توزيع در ادامة حيات زنجيرة تأمين پوشيده نيست، در اين مقاله، اين سه مسئله در قالب يك مدل يكپارچه در شرايط عدم قطعيت تقاضا با يكديگر تركيب مي ­شوند. اين روش، به كاهش هزينه‌هاي توزيع، افزايش رضايت مشتريان و درنهايت، ايجاد يك زنجيرة تأمين كارا منجر مي­ شود. همچنين در اين پژوهش، علاوه­ بر كمينه­ كردن مجموع هزينه‌هاي ثابت ايجاد انبارها، هزينه‌هاي حمل‌ و نقل و هزينه‌هاي موجودي، رضايت مشتريان اولويت‌دار نيز از طريق كاهش زمان انتظار افزايش مي ­يابد. به همين دليل، يك مدل دوهدفة برنامه‌ريزي غيرخطي مختلط، با فرض پيروي عامل تصادفي (تقاضا) از توزيع شناخته‌شده (نرمال) با استفاده از برنامه‌ريزي شانس محدوديت­دار ارائه مي‌شود. در ادامه براي حل مدل، يك الگوريتم حل تركيبي بر پايۀ تبريد شبيه‌سازي‌شده و الگوريتم ژنتيك، ارائه و با استفاده از مجموعه‌اي از مسائل نمونه ارزيابي مي­ شود. نتايج محاسباتي، نشانگر كارايي آن براي طيف وسيعي از مسائل با اندازه‌هاي متفاوت است.

Nowadays, fierce competition in global markets has forced companies to improve the design and management of supply chains, and provide competitive advantages. Decision integrity is one of the main factors which highly lead to a considerable reduction of supply chain costs, and higher costumer’s satisfaction. Distribution network design is based on three major problems: location allocation, vehicle routing and inventory control. Since the effective role of reducing distribution costs in the survival of the supply chain is clear to all, in this paper, these three problems will be incorporated into an integrated model under demand uncertainty. This approach leads to the significant reduction of distribution costs, higher customer satisfaction, and also providing an efficient supply chain. Also in this study, in addition to minimizing the total cost including fixed cost of establishing depots, transportation costs and inventory costs, the customers’ satisfaction will increase by reducing their waiting time. So, a bi-objective mixed integer non-linear model is presented by using chance constrained programming, where customer demands are assumed to have a normal distribution. Then, to solve the model, a hybrid algorithm based on simulated annealing and genetic algorithm is proposed, and is evaluated on a set of instances. The computational results illustrate the algorithm efficiency to solve a wide range of problems with different sizes.